Según un nuevo estudio, un sistema de inteligencia artificial recientemente desarrollado en la Universidad de Michigan puede analizar imágenes por resonancia magnética del cerebro y realizar un diagnóstico en segundos. El modelo identificó afecciones neurológicas con una precisión del 97,5% y pudo evaluar la urgencia con la que los pacientes necesitaban atención médica.
Los investigadores dicen que la tecnología, primera en su tipo, tiene el potencial de remodelar la forma en que se manejan las imágenes cerebrales en el sistema de salud de EE. UU. Se publican los resultados Ingeniería Biomédica de la Naturaleza.
“A medida que aumenta la demanda global de resonancia magnética y ejerce una presión significativa sobre nuestros médicos y sistemas de salud, nuestro modelo de IA tiene el potencial de reducir la carga al mejorar el diagnóstico y el tratamiento con información más rápida y precisa”, dijo el autor principal Todd Hollon, MD, neurocirujano de la Universidad de Michigan Health y profesor asistente de neurocirugía en la Facultad de Medicina de la UM.
Probando el sistema Prima AI
Holon nombró a la nueva tecnología Prima. En el transcurso de un año, su equipo de investigación evaluó el sistema utilizando más de 30.000 estudios de resonancia magnética.
En más de 50 diagnósticos radiológicos diferentes que involucran trastornos neurológicos importantes, Prima proporcionó un rendimiento diagnóstico más sólido que otros modelos avanzados de IA. Además de detectar enfermedades, el sistema puede determinar qué casos requieren alta prioridad.
Ciertas afecciones neurológicas, incluidos los accidentes cerebrovasculares y las hemorragias cerebrales, requieren tratamiento inmediato. Holon dijo que en estas situaciones, Prima puede alertar automáticamente a los proveedores de atención médica para que se puedan tomar medidas rápidamente.
El sistema fue diseñado para notificar al subespecialista más apropiado, como un neurólogo o neurocirujano especializado en accidentes cerebrovasculares. La retroalimentación está disponible a medida que el paciente completa la toma de imágenes.
“La precisión es primordial al leer la resonancia magnética cerebral, pero los tiempos de respuesta rápidos son fundamentales para un diagnóstico oportuno y mejores resultados”, dijo Yiwei Lyu, MS, coprimer autor y becario postdoctoral en Ciencias de la Computación e Ingeniería en la UM.
“En un paso clave del proceso, nuestros resultados muestran cómo Prima puede mejorar el flujo de trabajo y optimizar la atención clínica sin sacrificar la precisión”.
Qué es prima?
Prima está clasificado como Vision Language Model (VLM), un tipo de inteligencia artificial que puede procesar imágenes, vídeos y texto juntos en tiempo real. Si bien la inteligencia artificial se ha aplicado antes al análisis de resonancia magnética, los investigadores dicen que Prima adopta un enfoque diferente.
Los modelos anteriores generalmente se entrenaban con subconjuntos cuidadosamente seleccionados de datos de resonancia magnética y se diseñaban para realizar tareas específicas, como detectar lesiones o estimar el riesgo de demencia. Prima fue entrenado en un conjunto de datos mucho más amplio.
El equipo de Holon utilizó todas las resonancias magnéticas disponibles recopiladas desde que se digitalizaron los registros de radiología de la Universidad de Michigan Health. Esto incluyó más de 200.000 estudios de resonancia magnética y 5,6 millones de secuencias de imágenes. El modelo también incluyó la historia clínica de los pacientes y los motivos por los que los médicos ordenaron cada estudio de imágenes.
“Prima trabaja como un radiólogo al combinar información sobre el historial médico de un paciente y datos de imágenes para crear una comprensión integral de su salud”, dijo el coprimer autor Samir Harke, científico de datos de Aprendizaje Automático en el Laboratorio de Neurocirugía de Hallon.
“Esto permite un mejor rendimiento en una amplia gama de tareas de predicción”.
Abordar los retrasos en las resonancias magnéticas y los déficits radiológicos
Cada año se realizan millones de resonancias magnéticas en todo el mundo, muchas de las cuales se centran en enfermedades neurológicas. Los investigadores dicen que la demanda de estas exploraciones está creciendo más rápido que la disponibilidad de servicios de neurorradiología.
Este desequilibrio ha contribuido a la escasez de personal, retrasos en el diagnóstico y errores. Dependiendo de dónde se realice la exploración al paciente, los resultados pueden tardar más o más en aparecer.
“Ya sea que se realicen exploraciones en un sistema de salud más grande que experimenta un volumen cada vez mayor o en un hospital rural con recursos limitados, se necesitan tecnologías innovadoras para mejorar el acceso a los servicios de radiología”, dijo Vikas Gulani, MD, PhD, coautor y presidente del Departamento de Radiología de UM Health.
“Nuestros equipos de la Universidad de Michigan han colaborado para crear una solución de vanguardia a este problema con un potencial tremendo y escalable”.
El futuro de la IA en imágenes médicas
Aunque Prima ha trabajado sólidamente, los investigadores destacan que el trabajo aún se encuentra en la fase inicial de evaluación. Las investigaciones futuras se centrarán en incorporar información más detallada del paciente y datos de registros médicos electrónicos para mejorar aún más la precisión del diagnóstico.
Este enfoque refleja cómo los radiólogos y médicos interpretan la resonancia magnética y otros estudios de imágenes en entornos clínicos reales. Aunque la inteligencia artificial ya se utiliza en la atención sanitaria, la mayoría de los sistemas existentes se limitan a tareas estrechamente definidas.
Holon describió a Prima como “ChatGPT para imágenes médicas”, y señaló que una tecnología similar podría eventualmente adaptarse para otros tipos de imágenes, incluidas mamografías, radiografías de tórax y ecografías.
“De la misma manera que las herramientas de inteligencia artificial pueden ayudar a redactar un correo electrónico o brindar recomendaciones, Prima pretende ser un copiloto en la interpretación de estudios de imágenes médicas”, dijo Holon.
“Creemos que Prima ejemplifica el potencial transformador de integrar sistemas de salud y modelos impulsados por IA para mejorar la atención médica a través de la innovación”.
Autores adicionales: Asadur Chowdhury, MS, Soumyanil Banerjee, MS, Rachel Golgorsky, Shixuan Liu, Anna-Katharina Meissner, MD, Akshay Rao, Chenhui Zhao, Akhil Kondepudi, Cheng Xiang, Xinhai Hou, Rushikesh S. Joshi, MD, Volker Nevas, MD, Ashmelvan, MD. Kleindorfer, MD, Brian Athey, Ph.D., Aditya Pandey, MD y Honglak Lee, Ph.D., todos de la Universidad de Michigan.
Financiamiento/Divulgación: Este trabajo fue financiado en parte por el Instituto Nacional de Trastornos Neurológicos y Accidentes Cerebrovasculares (K12NS080223) de los Institutos Nacionales de Salud.
El contenido es responsabilidad exclusiva de los autores y no representa necesariamente las opiniones oficiales de los NIH.
Este trabajo también fue apoyado por la Iniciativa Chan Zuckerberg (CZI), el Instituto Frankel para la Salud del Corazón y el Cerebro, el Fondo de Investigación Cerebral Mark Treanor, la Fundación de la Familia Jenkel, la Fundación Jans Friends y el Programa de Subvenciones de Premios para Investigadores de Salud de Precisión de la UM.
